CN113707289B - 医学人工智能平台及其搭建方法 - Google Patents
医学人工智能平台及其搭建方法 Download PDFInfo
- Publication number
- CN113707289B CN113707289B CN202110803921.1A CN202110803921A CN113707289B CN 113707289 B CN113707289 B CN 113707289B CN 202110803921 A CN202110803921 A CN 202110803921A CN 113707289 B CN113707289 B CN 113707289B
- Authority
- CN
- China
- Prior art keywords
- module
- artificial intelligence
- data
- platform
- medical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 151
- 238000010276 construction Methods 0.000 title abstract description 8
- 238000002372 labelling Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000004044 response Effects 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 28
- 238000011160 research Methods 0.000 claims abstract description 24
- 238000013526 transfer learning Methods 0.000 claims description 47
- 230000008676 import Effects 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 15
- 238000013523 data management Methods 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 201000007270 liver cancer Diseases 0.000 description 3
- 208000014018 liver neoplasm Diseases 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002608 intravascular ultrasound Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010009944 Colon cancer Diseases 0.000 description 1
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 208000005016 Intestinal Neoplasms Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010061902 Pancreatic neoplasm Diseases 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 208000015634 Rectal Neoplasms Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 208000029742 colonic neoplasm Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 201000002313 intestinal cancer Diseases 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000002528 pancreatic cancer Diseases 0.000 description 1
- 208000008443 pancreatic carcinoma Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 206010038038 rectal cancer Diseases 0.000 description 1
- 201000001275 rectum cancer Diseases 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了医学人工智能平台及其搭建方法，所述方法包括：提供第一上传模块，所述第一上传模块用于获取医学数据及其标注数据；提供训练模块，所述训练模块用于控制局域网服务器或者云服务器，以使所述局域网服务器或者所述云服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；提供第一导出模块，所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型。用户只需提供医学数据及其标注数据即可实现对预设算法或者预设模型的训练，得到人工智能模型并导出，导出的模型可以提供给其他研究者，便于后续的科研成果转化。
Description
技术领域
本申请涉及医学人工智能平台的技术领域，尤其涉及医学人工智能平台及其搭建方法、电子设备及计算机可读存储介质。
背景技术
随着人工智能技术的发展，语音交互、计算机视觉、认知计算、深度学习等技术也逐渐成熟，“AI+医疗”产业开始进入快车道，所谓“AI+医疗”，是指以互联网为依托，通过基础设施的搭建以及数据的收集，将人工智能技术及大数据服务应用于医疗行业中，提升医疗行业的诊断效率及服务质量。近年来，医疗领域的各项人工智能应用不断涌现，如语音录入病历、医疗影像智能识别、智能诊断、医疗机器人、个人健康大数据的智能分析、AI医药研发等。
目前已有AI与医疗相结合的人工智能平台，然而现有的平台普遍存在以下问题：1、平台集成算法有限，或受到软件产品迭代因素影响，无法使用最新算法，也不能对平台集成算法进行优化；2、科研成果只能自己使用，无法提供给其他研究者，研究者需要在自己研究基础上进行进一步研究，增加了大量重复性劳动；3、科研成果难以进行成果转化。
发明内容
本申请的目的在于提供医学人工智能平台及其搭建方法、电子设备及计算机可读存储介质，用户只需提供医学数据及其标注数据即可利用局域网服务器或者云服务器实现对预设算法或者预设模型的训练，得到人工智能模型并导出，导出的模型可以提供给其他研究者，减少了重复性劳动，便于后续的科研成果转化。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了一种医学人工智能平台的搭建方法，所述方法包括：提供第一上传模块，所述第一上传模块用于获取医学数据及其标注数据；提供训练模块，所述训练模块用于控制局域网服务器或者云服务器，以使所述局域网服务器或者所述云服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；提供第一导出模块，所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型。该技术方案的有益效果在于，利用第一上传模块获取医学数据及其标注数据，利用训练模块，基于医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型，再利用第一导出模块导出人工智能模型。
本申请可以充分利用医学数据及其标注数据，借助预先存储于局域网服务器或者云服务器的预设算法或者预设模型，用户只需提供医学数据及其标注数据即可利用局域网服务器或者云服务器实现对预设算法或者预设模型的训练，得到人工智能模型并导出，所导出的模型便于在他处使用，降低了对用户的操作要求以及对用户单机设备的硬件要求，用户即使不了解算法或者模型的构建，也能得到效果不错的人工智能模型，适用范围广，并且可以将导出的模型提供给其他研究者，减少了重复性劳动，便于后续的科研成果转化。
在一些可选的实施例中，所述方法还包括：提供数据标注模块，所述数据标注模块用于接收对所述医学数据的标注操作，以及响应于所述标注操作，对所述医学数据进行标注，得到所述医学数据的标注数据。该技术方案的有益效果在于，可以对医学数据进行人工标注，得到医学数据的标注数据，一般而言，人工标注的准确度较高，由此得到的人工智能模型的精度较高。
在一些可选的实施例中，所述方法还包括：提供编程模块，所述编程模块用于接收人工智能算法信息并存储至所述存储设备；提供第二导出模块，所述第二导出模块用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息。该技术方案的有益效果在于，用户可利用编程模块自行编写人工智能算法信息并将人工智能算法信息存储至存储设备，用户还可以利用第二导出模块将编写好的人工智能算法信息导出，便于后续在其他设备运用人工智能算法信息，满足实际应用中的需要。
在一些可选的实施例中，所述方法还包括：提供第二上传模块，所述第二上传模块用于将所述人工智能模型和所述人工智能算法信息上传至平台设备；提供下载模块，所述下载模块用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。该技术方案的有益效果在于，可以利用第二上传模块将训练得到的人工智能模型和编写好的人工智能算法信息上传至医学人工智能平台对应的平台设备，还可以利用下载模块从平台设备中下载人工智能模型和/或人工智能算法信息的预设信息，由此，平台设备可以满足用户上传和下载的需求，智能化程度较高。
在一些可选的实施例中，所述提供下载模块，包括：提供下载接收单元，所述下载接收单元用于接收对所述目标对象的下载操作；提供用户身份单元，所述用户身份单元用于响应于所述下载操作，获取下载用户的身份信息；提供扣款单元，所述扣款单元用于基于所述下载用户的身份信息，对所述下载用户的预设账户执行扣款操作；提供信息下载单元，所述信息下载单元用于在所述扣款操作执行完成后，从所述平台设备中下载所述目标对象的预设信息。该技术方案的有益效果在于，当接收到对目标对象的下载操作后，可以获取下载用户的身份信息，基于身份信息对下载用户的预设账户执行扣款操作，扣款完成后，下载用户即可从平台设备中下载目标对象的预设信息，从而实现付费下载的功能，提高平台的商业价值。
在一些可选的实施例中，所述方法还包括：提供导入模块，所述导入模块用于接收对所述目标对象的导入操作，以及响应于所述导入操作，导入所述目标对象。该技术方案的有益效果在于，从平台设备下载目标对象的预设信息后，可以利用导入模块将目标对象导入至其他设备中，便于用户在其他设备运用目标对象，满足实际应用中的需要。
在一些可选的实施例中，所述目标对象是所述人工智能模型，所述方法还包括：提供预测模块，所述预测模块用于接收输入数据，以及将所述输入数据输入所述人工智能模型，得到输出结果；提供显示模块，所述显示模块用于显示所述输出结果。该技术方案的有益效果在于，完成对目标对象的导入后，可以利用预测模块接收输入数据并将输入数据输入人工智能模型，得到输出结果，再利用显示模块显示输出结果，由此可以实现对人工智能模型的预测功能的合理利用，智能化程度较高。
在一些可选的实施例中，所述目标对象是所述人工智能模型，所述方法还包括：提供迁移学习模块，所述迁移学习模块用于接收迁移学习数据，以及利用所述迁移学习数据对所述人工智能模型进行迁移学习，得到迁移学习模型，所述迁移学习数据和所述训练数据所对应的特征类型不同，所述特征类型包括以下至少一种：身体部位类型、疾病类型和数据采集设备类型。该技术方案的有益效果在于，迁移学习数据和训练数据所对应的特征类型不同，利用迁移学习数据对人工智能模型进行迁移学习，得到的迁移学习模型的预测方向与人工智能模型的预测方向不同，可以通过提供不同的迁移学习数据来满足用户对迁移学习模型的不同需求，适用范围较广。
在一些可选的实施例中，所述方法包括：提供数据管理模块，所述数据管理模块用于接收对所述医学数据的管理操作，以及响应于所述管理操作，对所述医学数据进行管理，所述管理操作包括整理操作和/或分类操作。该技术方案的有益效果在于，可以利用数据管理模块对医学数据进行管理，一般而言，医学数据的形式多样，例如包括医学影像数据和临床数据，通过对医学数据进行整理和/或分类，可以提高后续数据处理的速度。
第二方面，本申请提供了一种医学人工智能平台，所述医学人工智能平台包括：第一上传模块，所述第一上传模块用于获取医学数据及其标注数据；训练模块，所述训练模块用于控制局域网服务器或者云服务器，以使所述局域网服务器或者所述云服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；第一导出模块，所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型。
在一些可选的实施例中，所述医学人工智能平台还包括：数据标注模块，所述数据标注模块用于接收对所述医学数据的标注操作，以及响应于所述标注操作，对所述医学数据进行标注，得到所述医学数据的标注数据。
在一些可选的实施例中，所述医学人工智能平台还包括：编程模块，所述编程模块用于接收人工智能算法信息并存储至所述存储设备；第二导出模块，所述第二导出模块用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息。
在一些可选的实施例中，所述医学人工智能平台还包括：第二上传模块，所述第二上传模块用于将所述人工智能模型和所述人工智能算法信息上传至平台设备；下载模块，所述下载模块用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。
在一些可选的实施例中，所述下载模块包括：下载接收单元，所述下载接收单元用于接收对所述目标对象的下载操作；用户身份单元，所述用户身份单元用于响应于所述下载操作，获取下载用户的身份信息；扣款单元，所述扣款单元用于基于所述下载用户的身份信息，对所述下载用户的预设账户执行扣款操作；信息下载单元，所述信息下载单元用于在所述扣款操作执行完成后，从所述平台设备中下载所述目标对象的预设信息。
在一些可选的实施例中，所述医学人工智能平台还包括：导入模块，所述导入模块用于接收对所述目标对象的导入操作，以及响应于所述导入操作，导入所述目标对象。
在一些可选的实施例中，所述目标对象是所述人工智能模型，所述医学人工智能平台还包括：预测模块，所述预测模块用于接收输入数据，以及将所述输入数据输入所述人工智能模型，得到输出结果；显示模块，所述显示模块用于显示所述输出结果。
在一些可选的实施例中，所述目标对象是所述人工智能模型，所述医学人工智能平台还包括：迁移学习模块，所述迁移学习模块用于接收迁移学习数据，以及利用所述迁移学习数据对所述人工智能模型进行迁移学习，得到迁移学习模型，所述迁移学习数据和所述训练数据所对应的身体部位不同。
在一些可选的实施例中，所述医学人工智能平台包括：数据管理模块，所述数据管理模块用于接收对所述医学数据的管理操作，以及响应于所述管理操作，对所述医学数据进行管理，所述管理操作包括整理操作和/或分类操作。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种医学人工智能平台的搭建方法的流程示意图；
图2是本申请实施例提供的另一种医学人工智能平台的搭建方法的部分流程示意图；
图3是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图4是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图5是本申请实施例提供的一种提供下载模块的流程示意图；
图6是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图7是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图8是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图9是本申请实施例提供的又一种医学人工智能平台的搭建方法的部分流程示意图；
图10是本申请实施例提供的一种医学人工智能平台的结构示意图；
图11是本申请实施例提供的另一种医学人工智能平台的部分结构示意图；
图12是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图13是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图14是本申请实施例提供的一种下载模块的结构示意图；
图15是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图16是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图17是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图18是本申请实施例提供的又一种医学人工智能平台的部分结构示意图；
图19是本申请实施例提供的一种电子设备的结构示意图；
图20是本申请实施例提供的一种用于实现医学人工智能平台的搭建方法的程序产品的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1，本申请实施例提供了一种医学人工智能平台的搭建方法，所述方法包括步骤S101～S103。
医学人工智能平台可以采用B/S架构或者C/S架构，可实现多用户协同工作。
B/S(Browser/Server)架构也被称为浏览器/服务器体系结构，利用B/S结构可以进行信息分布式处理，可以有效降低资源成本，提高医学人工智能平台的数据处理性能。
C/S(Client-Server)架构也被称为服务器/客户机架构，服务器负责数据的管理，客户机负责完成与用户的交互任务。C/S架构交互性强，具有安全的存取模式，响应速度快，利于处理大量数据。
步骤S101：提供第一上传模块，所述第一上传模块用于获取医学数据及其标注数据。
医学数据例如可以包括医学影像数据和临床数据，其中，医学影像数据例如可以包括以下至少一种：X光数据、CT数据、MRI数据、DSA(Digital subtrac tion angiography，数字减影血管造影)数据、超声数据、内镜数据、病理影像数据、PET(Positron EmissionComputed Tomography，正电子发射型计算机断层显像)数据、心电图数据和IVUS(intravenous ultrasound，血管内超声)数据；临床数据例如可以包括以下至少一种：病理报告数据、体重指数数据和化验检查数据。
标注数据可以用于指示以下至少一种：医学数据对应的身体部位；医学数据中是否存在病灶；病灶的类型；病灶的分割区域的轮廓线。标注数据的获取方法例如可以采用专利CN201710811008.X提供的AI接口平台的应用方法。
步骤S102：提供训练模块，所述训练模块用于控制局域网服务器或者云服务器，以使所述局域网服务器或者所述云服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备。人工智能模型可以用于执行以下至少一项任务：分类、分割、检测、配准和映射。当人工智能模型执行分类任务时，人工智能模型例如是分类模型；当人工智能模型执行分割任务时，人工智能模型例如是分割模型；当人工智能模型执行检测任务时，人工智能模型例如是检测模型；当人工智能模型执行配准任务时，人工智能模型例如是配准模型；当人工智能模型执行映射任务时，人工智能模型例如是映射模型。
本申请实施例对存储设备不做限定，其可以是单机本地、局域网服务器或者云服务器。
局域网服务器是指处于局域网内的服务器，例如是医疗机构内网的服务器；云服务器是一个服务器集群，通过虚拟化、集群技术进行资源整合，通过云端控制平台按需生成相关主机资源。
预设算法和预设模型可以是预先存储于局域网服务器或者云服务器的算法和模型。
步骤S103：提供第一导出模块，所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型。
本申请实施例对人工智能模型的导出来源不作限定，可以从单机本地、局域网服务器或者云服务器中导出人工智能模型。
由此，利用第一上传模块获取医学数据及其标注数据，利用训练模块，基于医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型，再利用第一导出模块导出人工智能模型。
本申请可以充分利用医学数据及其标注数据，借助预先存储于局域网服务器或者云服务器的预设算法或者预设模型，用户只需提供医学数据及其标注数据即可利用局域网服务器或者云服务器实现对预设算法或者预设模型的训练，得到人工智能模型并导出，所导出的模型便于在他处使用，降低了对用户的操作要求以及对用户单机设备的硬件要求，用户即使不了解算法或者模型的构建，也能得到效果不错的人工智能模型，适用范围广，并且可以将导出的模型提供给其他研究者，减少了重复性劳动，便于后续的科研成果转化。
参见图2，在一些实施方式中，所述方法还可以包括步骤S104。
步骤S104：提供数据标注模块，所述数据标注模块用于接收对所述医学数据的标注操作，以及响应于所述标注操作，对所述医学数据进行标注，得到所述医学数据的标注数据。
由此，可以对医学数据进行人工标注，得到医学数据的标注数据，一般而言，人工标注的准确度较高，由此得到的人工智能模型的精度较高。
本申请实施例对医学数据的标注数据的获取方式不做限定，除了人工标注，还可以使用半监督学习或者无监督学习的方式得到医学数据的标注数据。
参见图3，在一些实施方式中，所述方法还可以包括步骤S105～S106。
步骤S105：提供编程模块，所述编程模块用于接收人工智能算法信息并存储至所述存储设备。人工智能算法信息例如可以包括以下至少一种：源码文件、可执行程序、插件和动态链接库。
步骤S106：提供第二导出模块，所述第二导出模块用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息。
本申请实施例对人工智能算法信息的导出来源不作限定，可以从单机本地、局域网服务器或者云服务器中导出人工智能算法信息。
由此，用户可利用编程模块自行编写人工智能算法信息并将人工智能算法信息存储至存储设备，用户还可以利用第二导出模块将编写好的人工智能算法信息导出，便于后续在其他设备运用人工智能算法信息，满足实际应用中的需要。
参见图4，在一些实施方式中，所述方法还可以包括步骤S107～S108。
步骤S107：提供第二上传模块，所述第二上传模块用于将所述人工智能模型和所述人工智能算法信息上传至平台设备。
步骤S108：提供下载模块，所述下载模块用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。
由此，可以利用第二上传模块将训练得到的人工智能模型和编写好的人工智能算法信息上传至医学人工智能平台对应的平台设备，还可以利用下载模块从平台设备中下载人工智能模型和/或人工智能算法信息的预设信息，由此，平台设备可以满足用户上传和下载的需求，智能化程度较高。
参见图5，在一些实施方式中，所述步骤S108可以包括步骤S201～S204。
步骤S201：提供下载接收单元，所述下载接收单元用于接收对所述目标对象的下载操作。该步骤用于确定所要下载的目标对象。
步骤S202：提供用户身份单元，所述用户身份单元用于响应于所述下载操作，获取下载用户的身份信息。该步骤用于确定下载用户的身份信息。
身份信息例如是姓名、手机号、身份证号、社保卡号、护照编号、军人证件号等可以标识用户身份的信息中的至少一种。
步骤S203：提供扣款单元，所述扣款单元用于基于所述下载用户的身份信息，对所述下载用户的预设账户执行扣款操作。
预设账户例如是目标人员的储值账户或者信用账户，例如可以是目标人员的银行卡账户、平台专用储值账户或者第三方支付账户，第三方支付账户例如是QQ账户、微信账户、支付宝账户、美团账户等。
步骤S204：提供信息下载单元，所述信息下载单元用于在所述扣款操作执行完成后，从所述平台设备中下载所述目标对象的预设信息。
由此，当接收到对目标对象的下载操作后，可以获取下载用户的身份信息，基于身份信息对下载用户的预设账户执行扣款操作，扣款完成后，下载用户即可从平台设备中下载目标对象的预设信息，从而实现付费下载的功能，提高平台的商业价值。
在一具体实施方式中，所述方法还可以包括：提供注册模块和登录模块。
用户可以利用注册模块和登录模块实现注册和登录功能，注册用户只有登录后才可以上传或下载目标对象，非注册用户无法上传或下载目标对象。
参见图6，在一些实施方式中，所述方法还可以包括步骤S109。
步骤S109：提供导入模块，所述导入模块用于接收对所述目标对象的导入操作，以及响应于所述导入操作，导入所述目标对象。
由此，从平台设备下载目标对象的预设信息后，可以利用导入模块将目标对象导入至其他设备中，便于用户在其他设备运用目标对象，满足实际应用中的需要。
在一具体应用中，医学人工智能平台可以包括科研平台和发布平台，第一上传模块、训练模块、数据标注模块、编程模块、第一导出模块和第二导出模块由科研平台提供。第二上传模块和下载模块由发布平台提供。其中，每个医疗机构的科研平台可以是仅限于该医疗机构内网使用的平台，各医疗机构的科研平台不允许互联互通，避免患者隐私泄露；发布平台可以是互联网共享平台。
举例说明：医院A和医院B两所医院搭建了医学人工智能平台，医院A有医生甲和医生乙两名医生，医院B有医生丙、医生丁和医生戊三名医生。
利用医院A的科研平台，医生甲对第一医学数据进行了标注，得到了第一标注数据，基于第一医学数据和第一标注数据，训练得到了第一人工智能模型，随后医生甲将第一人工智能模型进行导出。利用医院A的发布平台，医生甲将第一人工智能模型进行了上传。
利用医院A的科研平台，医生乙创建了第一人工智能算法信息，经过验证后，将第一人工智能算法信息导出。利用医院A的发布平台，医生乙将第一人工智能算法信息进行了上传。
利用医院A和医院B资源共享的发布平台，医生丙下载了第一人工智能模型。利用医院B的科研平台，医生丙上传了第二医学数据和第二标注数据，利用第二医学数据和第二标注数据对第一人工智能模型进行了优化，得到了第二人工智能模型。
利用医院A和医院B资源共享的发布平台，医生丁下载了第一人工智能模型。利用医院B的科研平台，医生丁上传了第三医学数据和第三标注数据，利用第三医学数据和第三标注数据对第一人工智能模型进行了迁移学习，得到了第三人工智能模型。
利用医院A和医院B资源共享的发布平台，医生戊下载了第一人工智能算法信息。利用医院B的科研平台，医生戊上传了第四医学数据和第四标注数据，结合第一人工智能算法信息，得到了第四人工智能模型。
一般而言，科研平台需要通过单个医疗机构内网进行登录，而发布平台可以对各医疗机构开放，由此医学数据和对应的标注数据不会被泄露，而人工智能模型和人工智能算法信息不涉及患者隐私，可以通过发布平台被各个医疗机构上传和下载，商业价值高，还能提升医生使用人工智能技术造福患者的积极性，满足实际应用中的需要。
参见图7，在一些实施方式中，所述目标对象可以是所述人工智能模型，所述方法还可以包括步骤S110～S111。
步骤S110：提供预测模块，所述预测模块用于接收输入数据，以及将所述输入数据输入所述人工智能模型，得到输出结果。
步骤S111：提供显示模块，所述显示模块用于显示所述输出结果。
在一具体应用中，人工智能模型例如可以执行分割任务，输出结果例如可以包括以下至少一种：器官的分割区域的轮廓线；组织的分割区域的轮廓线；病灶的分割区域的轮廓线。其中，器官例如是肝、心脏和肺。组织例如是冠状动脉。病灶例如是肺结节或者肝结节。
由此，完成对目标对象的导入后，可以利用预测模块接收输入数据并将输入数据输入人工智能模型，得到输出结果，再利用显示模块显示输出结果，由此可以实现对人工智能模型的预测功能的合理利用，智能化程度较高。
参见图8，在一些实施方式中，所述目标对象可以是所述人工智能模型，所述方法还可以包括步骤S112。
步骤S112：提供迁移学习模块，所述迁移学习模块用于接收迁移学习数据，以及利用所述迁移学习数据对所述人工智能模型进行迁移学习，得到迁移学习模型，所述迁移学习数据和所述训练数据所对应的特征类型不同，所述特征类型包括以下至少一种：身体部位类型、疾病类型和数据采集设备类型。
其中，迁移学习数据可以包括迁移训练图像及其标注数据。
身体部位类型例如可以包括以下至少一种：肝部、头部、肺部和四肢关节。疾病类型例如可以包括以下至少一种：肝癌、直肠癌、结肠癌、胰腺癌、前列腺癌、肺癌和乳腺癌。数据采集设备类型例如可以包括以下至少一种：CT扫描仪、MRI扫描仪和X光扫描仪。
举例来说，人工智能模型用于预测肠癌分类，迁移学习数据是肝癌训练图像及其分类标注数据，在对人工智能模型进行迁移学习后，可以得到预测肝癌分类的迁移学习模型。
由此，迁移学习数据和训练数据所对应的身体部位不同，利用迁移学习数据对人工智能模型进行迁移学习，得到的迁移学习模型的预测方向与人工智能模型的预测方向不同，可以通过提供不同的迁移学习数据来满足用户对迁移学习模型的不同需求，适用范围较广。
参见图9，在一些实施方式中，所述方法还可以包括步骤S113。
步骤S113：提供数据管理模块，所述数据管理模块用于接收对所述医学数据的管理操作，以及响应于所述管理操作，对所述医学数据进行管理，所述管理操作包括整理操作和/或分类操作。整理操作可以包括筛选操作和/或排序操作。
由此，可以利用数据管理模块对医学数据进行管理，一般而言，医学数据的形式多样，例如包括医学影像数据和临床数据，通过对医学数据进行整理和/或分类，可以提高后续数据处理的速度。
在一具体应用中，可以对用户设定不同的数据浏览权限，例如，对医生A设定浏览胃部对应的医学数据的权限，对医生B设定浏览肝部对应的医学数据的权限。由此，可以进一步保护患者的隐私，避免患者隐私被泄露。本申请对设置权限的依据不做限定，在一实际应用中，该权限可以基于医生所处科室进行设定。
参照图10，本申请实施例还提供了一种医学人工智能平台，其具体实现方式与上述医学人工智能平台的搭建方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
所述医学人工智能平台包括：第一上传模块101，所述第一上传模块101用于获取医学数据及其标注数据；训练模块102，所述训练模块102用于控制局域网服务器或者云服务器，以使所述局域网服务器或者所述云服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；第一导出模块103，所述第一导出模块103用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型。
参见图11，在一些实施方式中，所述医学人工智能平台还可以包括：数据标注模块104，所述数据标注模块104用于接收对所述医学数据的标注操作，以及响应于所述标注操作，对所述医学数据进行标注，得到所述医学数据的标注数据。
参见图12，在一些实施方式中，所述医学人工智能平台还可以包括：编程模块105，所述编程模块105用于接收人工智能算法信息并存储至所述存储设备；第二导出模块106，所述第二导出模块106用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息。
参见图13，在一些实施方式中，所述医学人工智能平台还可以包括：第二上传模块107，所述第二上传模块107用于将所述人工智能模型和所述人工智能算法信息上传至平台设备；下载模块108，所述下载模块108用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。
参见图14，在一些实施方式中，所述下载模块108可以包括：下载接收单元201，所述下载接收单元201用于接收对所述目标对象的下载操作；用户身份单元202，所述用户身份单元202用于响应于所述下载操作，获取下载用户的身份信息；扣款单元203，所述扣款单元203用于基于所述下载用户的身份信息，对所述下载用户的预设账户执行扣款操作；信息下载单元204，所述信息下载单元204用于在所述扣款操作执行完成后，从所述平台设备中下载所述目标对象的预设信息。
参见图15，在一些实施方式中，所述医学人工智能平台还可以包括：导入模块109，所述导入模块109用于接收对所述目标对象的导入操作，以及响应于所述导入操作，导入所述目标对象。
参见图16，在一些实施方式中，所述目标对象可以是所述人工智能模型，所述医学人工智能平台还可以包括：预测模块110，所述预测模块110用于接收输入数据，以及将所述输入数据输入所述人工智能模型，得到输出结果；显示模块111，所述显示模块111用于显示所述输出结果。
参见图17，在一些实施方式中，所述目标对象可以是所述人工智能模型，所述医学人工智能平台还可以包括：迁移学习模块112，所述迁移学习模块112用于接收迁移学习数据，以及利用所述迁移学习数据对所述人工智能模型进行迁移学习，得到迁移学习模型，所述迁移学习数据和所述训练数据所对应的身体部位不同。
参见图18，在一些实施方式中，所述医学人工智能平台可以包括：数据管理模块113，所述数据管理模块113用于接收对所述医学数据的管理操作，以及响应于所述管理操作，对所述医学数据进行管理，所述管理操作包括整理操作和/或分类操作。
参见图19，本申请实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中医学人工智能平台的搭建方法的步骤，其具体实现方式与上述医学人工智能平台的搭建方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214，这样的程序模块215包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中医学人工智能平台的搭建方法的步骤，其具体实现方式与上述医学人工智能平台的搭建方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
图20示出了本实施例提供的用于实现上述医学人工智能平台的搭建方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本申请中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在关联设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本申请以上的说明书及说明书附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。
Claims (8)
1.一种医学人工智能平台的搭建方法，其特征在于，所述医学人工智能平台包括科研平台和发布平台，所述科研平台提供第一上传模块、训练模块、编程模块、第一导出模块和第二导出模块，所述发布平台提供第二上传模块和下载模块；其中，每个医疗机构的科研平台仅限于自身内网使用以避免患者隐私泄露，所述发布平台是互联网共享平台；
所述方法包括：
提供第一上传模块，所述第一上传模块用于获取医学数据及其标注数据；
提供训练模块，所述训练模块用于控制局域网服务器，以使所述局域网服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；
提供第一导出模块，所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型；
提供编程模块，所述编程模块用于接收人工智能算法信息并存储至所述存储设备；
提供第二导出模块，所述第二导出模块用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息；
提供第二上传模块，所述第二上传模块用于将所述人工智能模型和所述人工智能算法信息上传至平台设备；
提供下载模块，所述下载模块用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。
2.根据权利要求1所述的医学人工智能平台的搭建方法，其特征在于，所述方法还包括：
提供数据标注模块，所述数据标注模块用于接收对所述医学数据的标注操作，以及响应于所述标注操作，对所述医学数据进行标注，得到所述医学数据的标注数据。
3.根据权利要求1所述的医学人工智能平台的搭建方法，其特征在于，所述提供下载模块，包括：
提供下载接收单元，所述下载接收单元用于接收对所述目标对象的下载操作；
提供用户身份单元，所述用户身份单元用于响应于所述下载操作，获取下载用户的身份信息；
提供扣款单元，所述扣款单元用于基于所述下载用户的身份信息，对所述下载用户的预设账户执行扣款操作；
提供信息下载单元，所述信息下载单元用于在所述扣款操作执行完成后，从所述平台设备中下载所述目标对象的预设信息。
4.根据权利要求1所述的医学人工智能平台的搭建方法，其特征在于，所述方法还包括：
提供导入模块，所述导入模块用于接收对所述目标对象的导入操作，以及响应于所述导入操作，导入所述目标对象。
5.根据权利要求4所述的医学人工智能平台的搭建方法，其特征在于，所述目标对象是所述人工智能模型，所述方法还包括：
提供预测模块，所述预测模块用于接收输入数据，以及将所述输入数据输入所述人工智能模型，得到输出结果；
提供显示模块，所述显示模块用于显示所述输出结果。
6.根据权利要求4所述的医学人工智能平台的搭建方法，其特征在于，所述目标对象是所述人工智能模型，所述方法还包括：
提供迁移学习模块，所述迁移学习模块用于接收迁移学习数据，以及利用所述迁移学习数据对所述人工智能模型进行迁移学习，得到迁移学习模型，所述迁移学习数据和训练数据所对应的特征类型不同，所述特征类型包括以下至少一种：身体部位类型、疾病类型和数据采集设备类型。
7.根据权利要求1所述的医学人工智能平台的搭建方法，其特征在于，所述方法包括：
提供数据管理模块，所述数据管理模块用于接收对所述医学数据的管理操作，以及响应于所述管理操作，对所述医学数据进行管理，所述管理操作包括整理操作和/或分类操作。
8.一种医学人工智能平台，其特征在于，所述医学人工智能平台包括科研平台和发布平台，所述科研平台提供第一上传模块、训练模块、编程模块、第一导出模块和第二导出模块，所述发布平台提供第二上传模块和下载模块；其中，每个医疗机构的科研平台仅限于自身内网使用以避免患者隐私泄露，所述发布平台是互联网共享平台；
所述第一上传模块用于获取医学数据及其标注数据；
所述训练模块用于控制局域网服务器，以使所述局域网服务器利用所述医学数据及其标注数据训练预设算法或者预设模型，得到人工智能模型并存储至存储设备；
所述第一导出模块用于接收对所述人工智能模型的第一导出操作，以及响应于所述第一导出操作，导出所述人工智能模型；
所述编程模块用于接收人工智能算法信息并存储至所述存储设备；
所述第二导出模块用于接收对所述人工智能算法信息的第二导出操作，以及响应于所述第二导出操作，导出所述人工智能算法信息；
所述第二上传模块用于将所述人工智能模型和所述人工智能算法信息上传至平台设备；
所述下载模块用于接收对目标对象的下载操作，以及响应于所述下载操作，从所述平台设备中下载所述目标对象的预设信息，所述预设信息包括以下至少一种：源码文件、可执行程序、插件和动态链接库，所述目标对象是所述人工智能模型和/或所述人工智能算法信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110803921.1A CN113707289B (zh) | 2021-07-16 | 2021-07-16 | 医学人工智能平台及其搭建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110803921.1A CN113707289B (zh) | 2021-07-16 | 2021-07-16 | 医学人工智能平台及其搭建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113707289A CN113707289A (zh) | 2021-11-26 |
| CN113707289B true CN113707289B (zh) | 2023-11-10 |
Family
ID=78648765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110803921.1A Active CN113707289B (zh) | 2021-07-16 | 2021-07-16 | 医学人工智能平台及其搭建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113707289B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563123A (zh) * | 2017-09-27 | 2018-01-09 | 百度在线网络技术（北京）有限公司 | 用于标注医学图像的方法和装置 |
| CN107885762A (zh) * | 2017-09-19 | 2018-04-06 | 北京百度网讯科技有限公司 | 智能大数据系统、提供智能大数据服务的方法和设备 |
| CN107910061A (zh) * | 2017-12-01 | 2018-04-13 | 中南大学 | 一种医疗数据处理方法及系统 |
| CN108206056A (zh) * | 2018-01-18 | 2018-06-26 | 中山大学 | 一种鼻咽癌人工智能辅助诊疗决策终端 |
| WO2018176484A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳前海达闼云端智能科技有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
| CN108881446A (zh) * | 2018-06-22 | 2018-11-23 | 深源恒际科技有限公司 | 一种基于深度学习的人工智能平台系统 |
| CN109102490A (zh) * | 2017-06-21 | 2018-12-28 | 国际商业机器公司 | 自动图像注册质量评估 |
| CN109378054A (zh) * | 2018-12-13 | 2019-02-22 | 山西医科大学第医院 | 一种多模态图像辅助诊断系统及其搭建方法 |
| WO2019052063A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
| CN109903839A (zh) * | 2019-02-22 | 2019-06-18 | 武汉凯德维斯生物技术有限公司 | 一种基于云平台的医疗影像阅片系统 |
| CN109992627A (zh) * | 2019-04-09 | 2019-07-09 | 太原理工大学 | 一种用于临床科研的大数据系统 |
| CN110378463A (zh) * | 2019-07-15 | 2019-10-25 | 北京智能工场科技有限公司 | 一种人工智能模型标准化训练平台及自动化系统 |
| KR102108400B1 (ko) * | 2019-07-12 | 2020-05-28 | 주식회사 딥노이드 | 의료영상 판독을 위한 컨테이너 기반의 인공지능 클라우드 서비스 플랫폼 시스템 |
| CN111276254A (zh) * | 2020-01-13 | 2020-06-12 | 印迹信息科技（北京）有限公司 | 医疗开放平台系统及诊疗数据处理方法 |
| CN111652863A (zh) * | 2020-05-27 | 2020-09-11 | 刘君茹 | 一种医学影像检测方法、装置、设备和存储介质 |
| CN111901294A (zh) * | 2020-06-09 | 2020-11-06 | 北京迈格威科技有限公司 | 一种构建在线机器学习项目的方法及机器学习系统 |
| CN112289455A (zh) * | 2020-10-21 | 2021-01-29 | 王智 | 一种人工智能神经网络学习模型构建系统、构建方法 |
| CN112331348A (zh) * | 2020-10-21 | 2021-02-05 | 北京医准智能科技有限公司 | 集标注、数据、项目管理和无编程化建模的分析方法和系统 |
| CN112331353A (zh) * | 2020-11-10 | 2021-02-05 | 上海计算机软件技术开发中心 | 一种基于区块链的医疗人工智能模型训练系统及方法 |
| CN112905166A (zh) * | 2021-03-04 | 2021-06-04 | 青岛海科创新科技有限公司 | 人工智能编程系统、计算机设备、计算机可读存储介质 |
| CN113012823A (zh) * | 2021-03-30 | 2021-06-22 | 海口讯婕城医疗科技有限公司 | 一种用于心电图机的云平台系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10417737B2 (en) * | 2017-06-21 | 2019-09-17 | International Business Machines Corporation | Machine learning model for automatic image registration quality assessment and correction |
| EP3985684A1 (en) * | 2018-07-18 | 2022-04-20 | NVIDIA Corporation | Virtualized computing platform for inferencing, advanced processing, and machine learning applications |
| US11710566B2 (en) * | 2019-06-07 | 2023-07-25 | Siemens Healthcare Gmbh | Artificial intelligence dispatch in healthcare |
-
2021
- 2021-07-16 CN CN202110803921.1A patent/CN113707289B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018176484A1 (zh) * | 2017-04-01 | 2018-10-04 | 深圳前海达闼云端智能科技有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
| CN108885899A (zh) * | 2017-04-01 | 2018-11-23 | 深圳前海达闼云端智能科技有限公司 | 医学影像传输数据的处理方法、装置及电子设备 |
| CN109102490A (zh) * | 2017-06-21 | 2018-12-28 | 国际商业机器公司 | 自动图像注册质量评估 |
| WO2019052063A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
| CN107885762A (zh) * | 2017-09-19 | 2018-04-06 | 北京百度网讯科技有限公司 | 智能大数据系统、提供智能大数据服务的方法和设备 |
| CN107563123A (zh) * | 2017-09-27 | 2018-01-09 | 百度在线网络技术（北京）有限公司 | 用于标注医学图像的方法和装置 |
| CN107910061A (zh) * | 2017-12-01 | 2018-04-13 | 中南大学 | 一种医疗数据处理方法及系统 |
| CN108206056A (zh) * | 2018-01-18 | 2018-06-26 | 中山大学 | 一种鼻咽癌人工智能辅助诊疗决策终端 |
| CN108881446A (zh) * | 2018-06-22 | 2018-11-23 | 深源恒际科技有限公司 | 一种基于深度学习的人工智能平台系统 |
| CN109378054A (zh) * | 2018-12-13 | 2019-02-22 | 山西医科大学第医院 | 一种多模态图像辅助诊断系统及其搭建方法 |
| CN109903839A (zh) * | 2019-02-22 | 2019-06-18 | 武汉凯德维斯生物技术有限公司 | 一种基于云平台的医疗影像阅片系统 |
| CN109992627A (zh) * | 2019-04-09 | 2019-07-09 | 太原理工大学 | 一种用于临床科研的大数据系统 |
| KR102108400B1 (ko) * | 2019-07-12 | 2020-05-28 | 주식회사 딥노이드 | 의료영상 판독을 위한 컨테이너 기반의 인공지능 클라우드 서비스 플랫폼 시스템 |
| CN110378463A (zh) * | 2019-07-15 | 2019-10-25 | 北京智能工场科技有限公司 | 一种人工智能模型标准化训练平台及自动化系统 |
| CN111276254A (zh) * | 2020-01-13 | 2020-06-12 | 印迹信息科技（北京）有限公司 | 医疗开放平台系统及诊疗数据处理方法 |
| CN111652863A (zh) * | 2020-05-27 | 2020-09-11 | 刘君茹 | 一种医学影像检测方法、装置、设备和存储介质 |
| CN111901294A (zh) * | 2020-06-09 | 2020-11-06 | 北京迈格威科技有限公司 | 一种构建在线机器学习项目的方法及机器学习系统 |
| CN112289455A (zh) * | 2020-10-21 | 2021-01-29 | 王智 | 一种人工智能神经网络学习模型构建系统、构建方法 |
| CN112331348A (zh) * | 2020-10-21 | 2021-02-05 | 北京医准智能科技有限公司 | 集标注、数据、项目管理和无编程化建模的分析方法和系统 |
| CN112331353A (zh) * | 2020-11-10 | 2021-02-05 | 上海计算机软件技术开发中心 | 一种基于区块链的医疗人工智能模型训练系统及方法 |
| CN112905166A (zh) * | 2021-03-04 | 2021-06-04 | 青岛海科创新科技有限公司 | 人工智能编程系统、计算机设备、计算机可读存储介质 |
| CN113012823A (zh) * | 2021-03-30 | 2021-06-22 | 海口讯婕城医疗科技有限公司 | 一种用于心电图机的云平台系统 |
Non-Patent Citations (4)
| Title |
|---|
| 基于影像云的智能辅助诊断在分级诊疗中的应用实践;柏志安;朱铁兵;;中国数字医学(第07期);全文 * |
| 柏志安 ; 朱铁兵 ; .基于影像云的智能辅助诊断在分级诊疗中的应用实践.中国数字医学.2020,(第07期),全文. * |
| 深度机器学习辅助医院智能化管理;陈潇君;孙炳伟;苟建平;;中国现代医学杂志(第08期);全文 * |
| 陈潇君 ; 孙炳伟 ; 苟建平 ; .深度机器学习辅助医院智能化管理.中国现代医学杂志.2018,(第08期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113707289A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mijwil et al. | From Pixels to Diagnoses: Deep Learning's Impact on Medical Image Processing-A Survey | |
| US20190051420A1 (en) | Evolving contextual clinical data engine for medical data processing | |
| Anisuzzaman et al. | Image-based artificial intelligence in wound assessment: A systematic review | |
| Mourtzis et al. | A smart IoT platform for oncology patient diagnosis based on ai: Towards the human digital twin | |
| CN115994902A (zh) | 医学图像分析方法、电子设备及存储介质 | |
| Li et al. | Artificial general intelligence for medical imaging | |
| Tripathi et al. | Fairness and ethics in artificial intelligence-based medical imaging | |
| Gezimati et al. | Internet of things enabled framework for terahertz and infrared cancer imaging | |
| Tyagi et al. | Deep learning for clinical and health informatics | |
| Borovska et al. | Internet of medical imaging Things and analytics in support of precision medicine for early diagnostics of thyroid cancer | |
| KR20200002201A (ko) | 인공지능을 통한 스마트 헬스케어 시스템 | |
| CN113707289B (zh) | 医学人工智能平台及其搭建方法 | |
| US11164309B2 (en) | Image analysis and annotation | |
| Huo | Full-stack application of skin cancer diagnosis based on CNN Model | |
| Oniga et al. | Applications of ai and hpc in the health domain | |
| Vuppala et al. | Cloud based big data platform for image analytics | |
| França et al. | An overview of the impact of PACS as health informatics and technology e-health in healthcare management | |
| Kumari et al. | Artificial Intelligence Challenges, Principles, and Applications in Smart Healthcare Systems | |
| Rastogi et al. | Deep learning application in classification of brain metastases: sensor usage in medical diagnosis for next Gen healthcare | |
| US11515033B2 (en) | Augmented inspector interface with targeted, context-driven algorithms | |
| Subashini et al. | Smart Intelligent System for Cervix Cancer Image Classification Using Google Cloud Platform | |
| Guo et al. | MADP: an open and scalable medical auxiliary diagnosis platform | |
| Elshaier et al. | A Proposed Framework for Digital Twins Driven Precision Medicine Platform: Values and Challenges | |
| Alekhya et al. | Early Strokes Detection of Patient and Health Monitoring System Based On Data Analytics Using K-Means Algorithm | |
| Pivithuru et al. | E-patient Card: An Integrated Electronic Health Recording System for Patient |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |